Python 基于MLP的神经网络分类器

我是机器学习新手，我正在开发一个python应用程序，它使用一个数据集对扑克手进行分类，我将发布一些代码片段。它似乎不太管用。它不能正确地对手进行分类。我得到了以下错误

", line 298, in fit
    raise ValueError("Multioutput target data is not supported with "
ValueError: Multioutput target data is not supported with label binarization

以下是我的代码：

import pandas as pnd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neural_network import MLPClassifier
from sklearn.metrics import classification_report
training = pnd.read_csv(".idea/train.csv")
training.keys()
training.shape
X = np.array(training)
y = np.array(training)
X_train, X_test, y_train, y_test = train_test_split(X, y)
scaler = StandardScaler()
# Fit only to the training data
scaler.fit(X_train)
X_train = scaler.transform(X_train)
X_test = scaler.transform(X_test)
mlp = MLPClassifier(hidden_layer_sizes=(30, 30, 30, 30, 30, 30, 30, 30, 30, 30))
mlp.fit(X_train, y_train)
predictions = mlp.predict(X_test)
print(classification_report(y_test, predictions))
len(mlp.coefs_)
len(mlp.coefs_[0])
len(mlp.intercepts_[0])

以下是我正在使用的数据集示例：

以下是数据集的描述：

---

有什么不对劲吗？如果我做事情的方式正确，我真的希望有人能指导我。

这里只是作为一个答案

问题是

scalet.fit

必须包含

Y\u序列

更改：

scaler.fit(X_train)

致：

---

如果将scaler.fit（X_train）更改为scaler.fit（X_train，y_train），会发生什么情况？mlp.fit（X_train，y_train）raise VALUETERROR（“VALUETERROR”不支持多输出目标数据：标签二值化不支持多输出目标数据仍然会出现相同的错误

scaler.fit(X_train, y_train)